Heshware sedang menyelidiki apakah graf dinamis yang diaktifkan dari node memori dapat berfungsi sebagai lapisan memori jangka panjang yang dapat diinterpretasikan untuk model bahasa lokal. Proposal ini berasal dari Marven Neural Node Network, awalnya sebuah visualisasi interaktif dari pemrosesan kognitif.
Arsitektur yang diusulkan mencakup ingestion objek memori terstruktur, pengambilan vektor untuk kesamaan semantik, dan struktur grafik untuk hubungan dan tautan temporal. Ini juga memiliki nilai aktivasi untuk entri konteks, proses peluruhan untuk konsolidasi, dan proses sintesis sandboxed untuk menggabungkan kembali memori tanpa memperlakukannya sebagai fakta.
Penulis mencari umpan balik teknis tentang metrik aktivasi node, kesesuaian jaringan saraf grafik, dan metode untuk menggabungkan kesamaan vektor dengan hubungan grafik eksplisit. Tujuannya adalah mengembangkan arsitektur yang dapat diuji yang meningkatkan akurasi pengambilan, kontinuitas, dan interpretabilitas sambil menahan racun memori.